0条评论
还没有人评论过~
大约10年前，对于大多数人来讲，大数据只不过是一个流行语。现在大数据及其分析正在驱动着商业操作、市场策略、物流决策等领域，当然，还有人工智能领域的崛起。
从那以后，大数据和云技术变得触手可及和普及。对于企业来讲，无论规模大小，都应该从大数据分析和技术中获得切实可行的洞察，行业报告显示，这正在成为一种趋势。根据咨询服务公司Dresner Advisory Services发布的Big Data Analytics Market Study 2017显示，大数据在企业的应用已经从2015年的17%提高到2017年的53%。
鉴于数字触点的飞速发展并仍在向全球拓展，这种应用非常有价值。到2020年，预计全球有61亿智能手机用户，每秒会创造大量的数据。事实上，电子世界的技术每两年就会翻倍，根据Baseline Magazine的预测，到2020年，数据规模会达到40000艾字节（或400万亿gigabytes）。
所有的这些都引发了当代世界一个行业的崛起，并提供了就业市场最受欢迎的职位。Glassdoor的报告显示，截止到2018年，“数据科学”一职位列美国50佳职业榜首，平均薪资110,000美元。
当然，还有很多其他职位与数据及其分析领域有关，毕业生、求职者和寻求职业变革的人都在寻求这样的机会。因为大数据触及到了几乎各个领域，没有从事数据及其分析工作的人也会在不久运用这种技术，因为它的商业价值不可估量。无论你从事什么工作，未来的工作都会贯穿数据。
大数据淘金热
随着云计算、物联网的发展，技术和互联设备所收集的数据也越来越多，在信息技术领域也需要越来越多的人才。事实上，根据美国劳工部发布的2016-2017 Occupational Outlook Handbook (OOH)数据显示，在计算机和信息技术领域的工作将会在2014年到2024年这10年间增加12.5%，其他工作会增加6.5%，潜在增加488,500个工作岗位。
大数据的多方面应用表明，不仅技术领域对这样的工作有大量需求，而且与数据相关的岗位也会有这样的需求。一方面来讲，你会发现在营销、分析用户行为和映射分割模型以提高用户获取和留存方面都有应用，尤其是利用已有的数据预测未来。
另一方面，数据领域的一项工作是聚焦于用户数据的安全性，而不是对其分析利用。Ashley Stein是Record Nations博客的作者，她提到任何企业的数据泄露恢复计划的一个重要部分应该包括聘请外部专家来调查该问题。
她写道，“让擅长危机处理和漏洞分析的第三方技术公司来处理这些问题会让你的企业能够在数据破坏方面获得外部的见解。”
虽然围绕着大数据及其分析的职业前景无限，但是策略分析和技术咨询Bernard Marr在《福布斯》杂志中提到了2018年6个需求最旺的技术和数据工作：
1. 数据科学：正如上面所提到的，数据科学家在Glassdoor的列表中位列第一，平均薪资110,000美元。这种情况会视你所处的公司而略微有所不同，DNA总体来讲，这些人来收集、处理和分析数据，团队协作在数据分析项目中从数据中获取有价值的信息。
2. 商业智能分析师（BIA）：商业智能分析师基于营销和趋势运用数据来为企业展现推荐并提供策略。商业智能分析师每年的平均薪资是7万美元到9万美元。
3. 数据库开发员：这个职位就说明了其所要做的事情。数据库开发员主要的工作是基于数据库设计、建立或者修改APP和编代码。数据可开发员每年的平均工资是9万美元。
4. 数据库管理员：虽然开发者通常注重编写数据库中新的代码或者软件，管理员聚焦于合理地建立、保护和保存数据。每年的平均薪资是8万美元。
5. 数据工程师：数据工程师只要是从事任何分析操作中的基础操作，包括设计和构建能够创造大型数据集的项目。他们每年的平均薪资是8万美元。
6. 数据分析经理：最后，数据分析经理的工作主要是利用数据，并与团队的其他成员进行交流，针对数据所提供的信息该如何开展业务。根据Marr.所说，这些经理每年的薪资可以达到6位数。
虽然这些工作只是代表了整个市场中的一小部分，它们及其他与大数据相关的工作的竞争也是很激烈的。所以，管理者和人事经理想要寻求什么样的大数据人才？你如何能够获取一份大数据工作？
找到一份大数据的工作
根据梅利维尔大学关于数据分析职位需求的文章显示，全世界的CEO们都在寻找具备这些专业知识和技能的人，比如说：
· 在正规大学接受过商业数据分析的教育
· 在工作中运用过编程语言，比如说Python和R。
· 学习新的编程语言的能力
· 团队协作能力和个人工作能力
· 批判性思维和解决问题的能力
· 在相关领域，比如说营销、人力资源、网络安全、运输或者用户服务等有过大学辅修或者工作经历的
有些能力会很重要，但大多数有素质的候选人能够具备所有这些能力甚至更多。例如，理解多种代码/编程语言和工具的重要性不言而喻。
在技术作家Amit Verma所写的《2018年十大大数据技能》一文中，其列举了10多种语言和系统，其中的有些因素与其他能相互关联。总之，他主要列举了以下几点：
· Apache Hadoop及其相关组成元素，比如说Hive、Pig、HDFS、HBase和MapReduce
· 非关系型的数据库，包括Couchbase和MongoDB
· 结构化查询语言SQL
· 数据可视化工具，比如说QlikView和Tableau
· 数量和统计分析工具，比如说SAS、SPSS和R
· 编程语言包括Java、Python、C和Scala
· 数据挖掘工具，比如说Rapid Miner、Apache Mahout和KNIME
很显然，每一职位都需要不同的技术，在应用的时候要有所区分。
“由于每个职位的必要计算机技能通常不同，你应该仔细阅读每个职位描述，以了解哪些计算机技能可以放在你的简历上，”Resume Coach的专家写道。“但是，如果一份工作需要大量的职位列表，那么你应该在简历中添加一个特定的”计算机技能“部分，以突出它。”
SuperDataScience的主管Kirill Eremenko在KDnuggets发表的文章how to choose a data science job中对此观点也表示赞同。“与任何其他职位一样，在申请之前，请务必仔细阅读规范，”他写道， “数据科学家非常注重细节，所以确保在申请中证明你有这种能力！”
CEO们和招聘主管们看重的另一个能力使灵活变通和适应的能力。因为大数据及其分析已经成为一盒颠覆性的领域，与其他很多岗位相关。事实上，对于大数据而言，颠覆性的技术变革可能已经出现，因为研究人员已经开始尝试使用氯原子和纳米磁体来存储数据（有些已经取得了成功）。
通过秉持行业趋势，并汲取硬技能和软技能，你可以自己确保数据科学的工作。 注重细节，确保你拥有硬技能和软技能的完美结合，并展望未来。在数据科学职业生涯中有很多机会——要学会主动把握机遇。
文章来源: https://www.toutiao.com/group/6659370488571101703/